使用正则表达式删除HTML标签。
import java.util.regex.Matcher; import java.util.regex.Pattern; public class HTMLSpirit{ public static String delHTMLTag(String htmlStr){ String regEx_script="<script[^>]*?>[sS]*?</script>"; //定义script的正则表达式 String regEx_style="<style[^>]*?>[sS]*?</style>"; //定义style的正则表达式 String regEx_html="<[^>]+>"; //定义HTML标签的正则表达式
Pattern p_script=Pattern.compile(regEx_script,Pattern.CASE_INSENSITIVE); Matcher m_script=p_script.matcher(htmlStr); htmlStr=m_script.replaceAll(""); //过滤script标签 Pattern p_style=Pattern.compile(regEx_style,serif;font-size:14px;line-height:28px;background-color:#ffffff;"> Matcher m_style=p_style.matcher(htmlStr); htmlStr=m_style.replaceAll(""); //过滤style标签 Pattern p_html=Pattern.compile(regEx_html,serif;font-size:14px;line-height:28px;background-color:#ffffff;"> Matcher m_html=p_html.matcher(htmlStr); htmlStr=m_html.replaceAll(""); //过滤html标签 return htmlStr.trim(); //返回文本字符串 } } Java中去掉网页HTML标记的方法 Java里面去掉网页里的HTML标记的方法: /** * 去掉字符串里面的html代码。<br> * 要求数据要规范,比如大于小于号要配套,否则会被集体误杀。 * * @param content * 内容 * @return 去掉后的内容 */ public static String stripHtml(String content) { // <p>段落替换为换行 content = content.replaceAll("<p .*?>","rn"); // <br><br/>替换为换行 content = content.replaceAll("<brs*/?>",serif;font-size:14px;line-height:28px;background-color:#ffffff;">// 去掉其它的<>之间的东西 content = content.replaceAll("<.*?>",""); // 还原HTML // content = HTMLDecoder.decode(content); return content; } (编辑:李大同)
【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!
|